基于迁移学习与轻量化YOLOv5s的草莓目标检测方法

来源：中国农机化学报杂志2025年第3期北京时间：

作者：郭敬涛, 吕凤, 章慧婷, 杨彪, 刘大洋

单位：（1. 东北林业大学计算机与控制工程学院，哈尔滨市，150040；2. 商洛学院电子信息与电气工程学院，陕西商洛，726000）

摘要：为实现草莓采摘时精准检测，同时考虑到嵌入式设备内存小、计算能力低下，而当下目标检测模型参数量和计算量巨大的问题，提出一种基于YOLOv5s的轻量化网络模型。首先，对YOLOv5s进行轻量化处理，利用深度卷积（DWConv）替换普通卷积，同时用C3Ghost模块替换原网络模型中的C3模块，降低模型的复杂度。然后，为增强主干网络对特征信息的提取能力，加强输入特征图通道间的信息交互，在主干网络的C3模块中融合高效通道注意力（ECA）结构，在特征融合网络添加无参数注意力模块（SimAM），使网络聚焦更多的有效特征信息，达到不增加模型的参数量，同时又提升模型识别精度的目的。最后，结合迁移学习加快模型收敛速度并进一步提升模型检测精度。结果表明，轻量化后的网络模型体积减小55.8%，计算量减少55.1%，在自制草莓数据集上的平均精度均值mAP@0.75达到74.9%，比原模型提高3.1%，单张图片平均推理时间仅6.4 ms，能够实现在草莓采摘任务中的精准快速检测，为草莓生产智能化提供支持。

关键词：草莓目标检测,深度学习,注意力机制,轻量化模型,迁移学习

基金资助：国家自然科学基金（32202147）；中国博士后基金面上项目（2021M690573）；中央高校基本科研业务费专项资金（2572020BF05）；陕西省科学技术协会青年人才托举计划项目（20220124）